Привет, друзья! Сегодня команда Business Intelligence GlowByte поделится материалом от китайских партнеров из FanRuan — кейсом внедрения FineBI в авиации. Статья объемная (и «визуальная»), состоит из двух частей. В первой рассказывается о компании и проблемах, с которыми она столкнулась в работе с большими данными, во второй рассматриваются сценарии использования BI‑инструментов в авиации.
В настоящее время гражданская авиация переживает исторический и сложный момент. Эпидемия коронавирусной инфекции, риски в сфере безопасности, региональные конфликты — все это оказывает негативное влияние на бизнес. Поэтому у Xiamen Airlines появилась потребность срочно начать использовать огромные объемы накопившихся данных.
Краткое описание Xiamen Airlines
Авиакомпания Xiamen Airlines, член Skyteam, была основана 25 июля 1984 года со штаб‑квартирой в городе Сямынь, провинция Фуцзянь. Это одна из немногих авиакомпания, которая уже свыше 35 лет сохраняет прибыльность в авиаперевозках Китая. По состоянию на декабрь 2021 года парк Xiamen Airlines насчитывает 209 самолетов, который обслуживает более 400 внутренних и зарубежных маршрутов. Годовой пассажиропоток составляет почти 40 миллионов пассажиров. Xiamen Airlines входит в топ-30* по объему выручки, в топ-15* по объему пассажиропотока и в топ-10* по прибыльности.
*Среди более чем 270 авиакомпаний‑членов Международной ассоциации воздушного транспорта (IATA).
На протяжении многих лет авиакомпания Xiamen Airlines неустанно прилагала усилия для обеспечения авиационной безопасности и повышения качества обслуживания. Одно из достижений компании — 7 миллионов часов безопасных полетов и премия «5 звезд за безопасность». Xiamen Airlines семь лет подряд становилась «Лучшей авиакомпанией» по мнению китайских пассажиров. В декабре 2020 года APEX, всемирно известное агентство по оценке авиационных услуг, присвоило Xiamen Airlines звание «Международной авиакомпании 5 звезд».
Проблемы и задачи, с которыми столкнулась компания
Авиакомпания Xiamen Airlines накопила огромные объемы данных в процессе цифровизации, однако, как и у большинства компаний, эти данные не использовались должным образом и не приносили пользу. Xiamen Airlines столкнулась с четырьмя основными проблемами:
1. Разрозненные данные.
За 20-летний опыт цифровизации Xiamen Airlines накопила большое количество данных. Однако они были разбросаны по сотням тысяч таблиц в сотнях систем. Сотрудникам было трудно оперативно найти необходимые сведения, часто они даже не представляли, какие данные у них были.
2. Сложности с доступом к данным.
Некоторые данные нельзя было использовать из‑за существующих проблем с доступом. Из‑за стереотипов традиционного мышления подразделения компании не были готовы обмениваться данными между собой. Это приводило к большим трудозатратам, неясным правам и обязанностям, а также трудностям в обмене и использовании информации. Заявки на использование некоторых данных часто требовали многократного уточнения и подтверждения, и даже по прошествии длительного времени не всегда получалось достичь согласования.
3. Некачественные («грязные») данные.
Неправильный ввод данных, несовершенная модель данных и сложные операционные процессы — все это повлияло на качество данных. В каждой операционной системе есть некоторые «грязные» данные. При создании отчетов и визуализаций половина времени использовалась для проверки и очистки данных.
4. Недостаточный анализ данных.
Отсутствие системного подхода к данным, мощных инструментов для анализа и платформы для визуализации привело к тому, что данные использовались поверхностно: область применения была относительно узкая, интеграций и сценариев применения было недостаточно. В результате этого из «песка» данных было трудно собрать «замок», чтобы в полной мере использовать потенциал и ценность огромного количества данных.
Решение
В ходе проекта компания Xiamen Airlines провела исследование и внедрила решения по управлению данными на следующих четырех уровнях.
1. Подключение хранилищ данных и усовершенствование сбора данных
Подключив корпоративное хранилище данных, Xiamen Airlines постоянно совершенству��т его технические решения, улучшает применяемые open‑source‑продукты, что значительно повышает способность хранилища к агрегации данных в крупномасштабных высокопоточных сценариях с низкой задержкой. В настоящее время к хранилищу данных Xiamen Airlines подключено более 200 бизнес‑систем, в которых ежедневно выполняется более 10 000 вычислительных задач в двух режимах — реального времени и автономном, синхронизируется более 3 миллиардов единиц данных, объединяется более 100 ТБ данных.
Опираясь на успешный опыт отрасли, собственные исследования и практику, Xiamen Airlines самостоятельно создала цифровую архитектуру с двумя основными возможностями — агрегацией данных и обслуживанием данных на основе характеристик потока данных авиакомпании, что позволило интегрировать разрозненные и фрагментированные массивы данных и нарушить статус‑кво изолированных данных.
2. Устранение барьеров для передачи данных и стандартизация каталогов данных
Авиакомпания создала в общей сложности 8 совместных проектных групп по управлению данными о полетах, авиационном обслуживании, транспортном контроле, маркетинге, финансах и других областях. Каждая проектная команда сформировала рабочую модель годового планирования, ежеквартального подведения итогов и ежемесячного продвижения. Им удалось создать эффективное управление данными, а также наладить процесс обмена опытом. Это сотрудничество сформировало глубокую интеграцию бизнеса с технологиями и позволило добиться хороших результатов.
Авиакомпания выпустила «Спецификацию целевого формирования ресурсов данных Xiamen Airlines», в которой предусматривается, что стандарт данных должен содержать полное описание данных по трем направлениям: операции, технологии и управление. Xiamen Airlines также провела более 20 специальных тренингов в области составления каталогов данных, знаний методов и инструментов управления данными. Сотрудники различных подразделений ознакомились с соответствующими требованиями, освоили навыки управления данными, узнали об их безопа��ном хранении, а также начали использовать в работе модели совместных проектных групп.
3. Контроль качества данных и формирование чистых данных
Xiamen Airlines разработала и внедрила 8 вспомогательных инструментов управления данными, в том числе «Систему управления стандартами данных», «Систему управления моделями данных» и «Систему управления основными данными», которые в значительной степени способствуют внедрению спецификаций управления данными и реализуют «процесс внедрения, стандартизацию операций и автоматизацию развертывания» всей цепочки управления данными, значительно снижая трудозатраты и повышая эффективность процесса.
Опираясь на успешный опыт «Эталонной архитектуры Open Group для коммерческой авиации» и «Путь данных Huawei», Xiamen Airlines разработала комплексную архитектуру данных компании, включающую четыре компонента:
каталог активов данных,
модель данных,
стандарт данных,
распространение данных.
Это было сделано для того, чтобы работники могли понимать всю картину данных предприятия, регулировать производство, хранение и использование данных с самого начала, когда создаются новые проекты, и уменьшать трудности управления на более позднем этапе. Создание архитектуры корпоративных данных дало возможность для управления данными на уровне источника, эффективного обмена данными и повышения гибкости бизнеса.
4. Поощрение обмена данными и распространение использования BI
В 2021 году Xiamen Airlines провела общекорпоративный «Конкурс инноваций в области данных», в котором команды использовали инструмент FineBI в качестве платформы для разработки «эффективных решений» и «золотых идей» для повышения эффективности безопасности полетов, обработки процессов и эксплуатации маршрутов. В конкурсе приняли участие в общей сложности 90 команд, 251 сотрудник из 25 подразделений.
Мероприятие позволило стереть границы между подразделениями компании, создать условия для обмена опытом и идеями. Это стало хорошей практикой продвижения и развития культуры управления данными в компании, что в свою очередь стало стимулом формирования экосистемы для инноваций в цифровой индустрии по принципу «совместного строительства, обмена информацией и взаимовыгодного сотрудничества».
Как BI-инструменты помогают авиации: 4 сценария на примере Xiamen Airlines и FineBI
В авиации существует множество факторов и ограничений, связанных с летной эксплуатацией: человеческий фактор, воздушные суда и их передвижения, аэропорты, погодные условия и т. д. Для функционирования авиакомпании важное значение имеет:
в полной мере собирать, анализировать и применять данные в сложной операционной среде в условиях ограничений,
своевременно докладывать лицам принимающим решения, о проблемах и прогнозах, выявленных в процессе анализа,
оперативно принимать верные решения для обеспечения безопасности и эффективности полетов, стабильного роста доходов компании, баланса между безопасностью и эффективностью.
В прошлом Xiamen Airlines использовала различные платформы для сбора, обработки и анализа данных. Благодаря FineReport и FineBI различные виды анализа были централизованы, а аварийные сигналы стали своевременно передаваться лицам, принимающим решения.
Цель: максимальное использование данных для обеспечения устойчивого роста компании.
Решение: 4 типичных сценария:
Анализ процесса летной эксплуатации.
Анализ эффективности полетов.
Платформа по профилактике и борьбе с эпидемиями.
Оптимизация и управление корпоративными процессами.
Сценарий 1: Анализ процесса летной эксплуатации
Проблемы и потребности бизнеса
Гражданская авиация всегда стремилась к тому, чтобы в полной мере использовать большие объемы накопленных данных для поиска возможностей сэкономить топливо при условии обеспечения безопасности полетов.
Xiamen Airlines существует уже более 35 лет и накопила большой объем операционных данных из различных систем, но не использовала инструменты для статистического анализа и обеспечения поддержки принятия оперативных решений в режиме реального времени.
В области анализа данных существовали следующие болевые точки:
1) В процессе анализа в большей степени использовались данные управления и производительности и практически не анализировались данные из отдела поддержки и эксплуатации.
2) Практика анализа данных была не распространена внутри компании. Большинство программ были написаны разработчиками, и операционные сотрудни��и не могли оперативно менять систему или подстраивать ее для своих задач.
3) Неудобный интерфейс. Для всех групп пользователей существовал единый интерфейс программы.
4) Отсутствие оценки качества данных.
Решение
1) Создание и функционирование больших данных
Создание и эксплуатация платформы big data для интеграции 12 хранилищ данных, в частности полетной эксплуатации, планов полета, информации о персонале, QAR, ACARS, данных о ценах на нефть, данных о затратах, метеорологических и разведывательных данных, информации о самолете и др. Создание 360-градусного «обзора полета», охватывающего траекторию, объем, расход топлива и другую информацию, необходимую для анализа.
2) Создание системы анализа всего процесса летной эксплуатации
Созданная в FineBI и FineReport система анализа позволила:
мониторить весь процесс использования топлива в полете,
уточнять и анализировать расход топлива на каждом этапе полета,
использовать потенциальные возможности для экономии топлива,
рассчитывать эффект экономии топлива,
обеспечивать поддержку точных данных для энергосбережения и сокращения выбросов.
3) Уточненные аналитические измерения и показатели
Для достижения контроля расхода и экономии топлива были разработаны операционные показатели, которые позволили проводить анализ общей ситуации с экономией топлива в компании, отслеживать тенденции изменения основных показателей расхода топлива, в частности почасовое потребление и на отрезке маршрута, а также подсчитывать профили экономии топлива и понимать эффекты такой экономии.
Благодаря анализу траектории полетов, изучению отклонений от маршрутов и тщательному анализу процедур захода и выхода из аэропорта удалось создать систему, которая:
своевременно находит оптимальную траекторию полета,
рекомендует необходимую высоту,
находит наилучшую процедуру захода и выхода пассажиров из самолета.
1) Этап ожидания трапа и вождения самолета
Посредством анализа различных аэропортов оценивается распределение использования источника питания, установленного на трапе, между различными положениями трапа. Проводится анализ аэропортов с низким уровнем доступа к трапу, поиск проблем и подготовка предложений по комплексному повышению коэффициента использования источника питания трапа.
Проводится подсчет количества рейсов, совершаемых по линии руления на стоянке рядом с аэропортом, и сравнивается с эксплуатационными данными: временем до разгона, расходом топлива до разгона.
2) Этап выруливания
Анализ времени взлета и посадки в различных аэропортах позволил принимать наилучшие решения по заправке самолетов, избегать риска задержек рейсов, вызванных длительностью посадки.
Анализ количества рейсов и аэропортов, где разные пилоты используют укороченные ВПП для взлета. Поощрение пилотов в использовании преимущественно сокращенных ВПП для взлета в условиях соблюдения требований безопасности и эксплуатационных ограничений для экономии энергии и сокращения выбросов.
3) Этап набора высоты
Анализ использования снижения тяги для различных аэропортов, самолетов и двигателей. Поиск новых возможностей и улучшений.
4) Этап крейсерского полета
Анализ планируемой и фактической высоты, расхода топлива и других факторов. Анализ причин, по которым необходимо увеличивать или уменьшать как летное время, так и расход топлива.
С помощью автоматического отбора беспосадочных рейсов производится подсчет их количества, расчет расстояния полета и экономии топлива и поиск потенциальных беспосадочных сегментов.
Оптимизация индекса стоимости оказывает прямое влияние на временные затраты и затраты на топливо, также существует много возможностей для снижения прямых эксплуатационных расходов.
5) Этап прилета/ вылета в аэропорт
Анализ процедур прилета, вылета и сравнение времени потребления топлива между различными аэропортами, а также оптимизация маршрутов прилета и вылета в целях экономии топлива.
6) Комплексный анализ маршрутов
Комплексный анализ маршрутов осуществляется путем настройки параметров объема расхода топлива, выбора даты маршрута и др. для автоматического расчета маршрута, соответствующего условиям, а также последующий анализ причин инцидентов на маршруте для принятия решений и внесения предложений.
Благодаря вышеуказанным исследованиям компания эффективно сократила большое количество затрат на топливо.
4) Создание платформы визуализации энергосбережения и сокращения выбросов
Для облегчения мониторинга показателей в режиме реального времени компания визуализировала ключевые данные.
Результаты
Благодаря точному контролю количества используемого топлива в 2022 году было достигнуто сокращение потребления топлива на 4,8% по сравнению с 2021 годом. По подсчетам специалистов, проект позволит экономить 2040 тонн топлива в год, сократить выбросы углекислого газа примерно на 6430 тонн и сэкономить 10 миллионов юаней на топливные расходы. (Примечание: в кач��стве основы использовались данные 231 300 рейсов за 2021 год.)
За счет оптимизации направления маршрута, процедур прилета/вылета в аэропорт, высоты полета и др. совокупный расход топлива в 2022 году снизился на 1,4% по сравнению с 2021 годом.
В целом проект позволяет экономить 19 670 тонн топлива в год, сокращает выбросы углекислого газа на 61 960 тонн, снижает топливные расходы примерно на 98,4 миллиона юаней.
Сценарий 2: Анализ эффективности полетов
Проблемы и потребности бизнеса
Основным субъектом, обеспечивающим безопасность авиации, является пилот. Пилоты, в свою очередь, обеспечивают безопасность опираясь на свои знания регламентов, постоянное обучение и работу над ошибками. Часто то, каким образом проводится работа над ошибками, зависит от инициативности, самоконтроля и мотивации пилотов. Компания проводит целенаправленное обучение для улучшения навыков и обеспечения безопасности при эксплуатации.
Решение
Для начинающих пилотов используется персонализированное обучение на основе данных. Для этого выбираются пять измеренных значений с высокой достоверностью и проверенные данные для оценки маневренности пилота. Вместе с данными о небезопасных инцидентах выбирается необходимое дополнительное обучение. Для пилотов с невысокой квалификацией, но с высокими показателями управления самолетом данные используются для их отбора в конкретную категорию и для улучшения летных навыков в плохую погоду.
Ценность сценария
Ценность первого случая заключается в обучении пилотов самостоятельно управлять воздушным судном, находить недостатки и проводить целенаправленную подготовку для улучшения своих способностей и обеспечения безопасности. Второго — содействие программе по выявлению специалистов с выдающимися навыками, улучшению летных возможностей и обеспечению эксплуатации самолета. Использование данных таким образом способствует обучению и безопасности.
Сценарий 3: Платформа по профилактике и борьбе с эпидемиями
Проблемы и потребности бизнеса
Авиация является важным международным транспортным каналом. С момента начала пандемии авиакомпания Xiamen Airlines настояла на непрерывности международных рейсов. В то же время она активно выполняла задачи по эвакуации китайских граждан, оказанию помощи и организации чартерных рейсов в интересах правительства, предприятий и учреждений.
На данный момент совершаются рейсы в 48 стран и 98 городов, из которых после пандемии было открыто почти 40 новых зарубежных пунктов назначения, включая Ирак, Афганистан, Африканский континент. Из‑за тесных контактов с внешним миром нагрузка по профилактике пандемии и контроль за ней была огромна, поэтому необходимо было срочно предложить единый мониторинг ситуации с пандемией как в стране, так и за рубежом в режиме реального времени. Также было необходимо оперативно отслеживать динамику заболеваемости среди персонала и статус полетов.
Решение
Руководствуясь различными нормативными документами Государственного совета, Управления гражданской авиации и местных органов власти, Xiamen Airlines стала первой в области профилактики пандемии и борьбы с ней. В ходе фактической эксплуатации компания сформулировала и улучшила план внедрения замкнутого цикла международных (региональных) рейсов, план работы для наземных операций.
Ценность сценария
Благодаря мониторингу данных по всей цепочке профилактических мероприятий и борьбы с пандемией была повышена эффективность дезинфекции и снижены затраты на персонал. Как результат — Сямынь (является третьим по величине пунктом пропуска для въезда из‑за границы) имеет показатель завоза больных ковидом на 50% ниже, чем в среднем по стране. На Национальной конференции по борьбе с эпидемией авиакомпания Xiamen Airlines получила две высшие награды за свой вклад.
Сценарий 4: Оптимизация и управление корпоративными процессами
Дашборд эффективности на уровне компании
Дашборды эффективности на уровне подразделения
Анализ процессов
Проблемы и потребности бизнеса
Преимущества и недостатки процесса напрямую связаны с эффективностью функционирования предприятия и управления им, что, в свою очередь, влияет на его конечную стоимость. Рациональные процессы отличают успешные компании от конкурентов и создают экономическое преимущество для первых. Нерациональные процессы увеличивают скрытые управленческие издержки предприятия, незаметно нанося ущерб конкурентному преимуществу компании.
Решение
Существует четыре типа людей, которые больше всего заботятся об эффективности процессов: руководители компаний, руководители подразделений, подразделения по оптимизации процессов и пользователи процессов. На основании этого проводится анализ по нескольким группам показателей. Рассмотрим их ниже.
1) Эффективность на уровне компании — учет общего объема задач, сравнение и концентрация внимания на изменениях тенденций:
с точки зрения общего объема задач показатели KPI акцентируют внимание на динамических изменениях;
с точки зрения структуры 57 шаблонных процессов в компании объединены в 9 категорий в соответствии с характером операций. Это помогает проводить структурный анализ;
с точки зрения тенденций анализируются изменения во внешней среде и накладываются на общие тенденции развития компании.
2) Сточки зрения административного регулирования проводятся сравнение и поиск недостатков, разрабатываются регламенты и правила:
сравнение показателей KPI между подразделениями (анализ эффективности помогает определить исключительных сотрудников, оптимизировать и мотивировать персонал), анализ среднего уровня эффективности компании;
с точки зрения тенденций проводится анализ количества ежегодных, ежемесячных и еженедельных операций, это позволяет получить справочные данные о рабочих привычках и условиях труда в рабочее время;
с точки зрения структуры компании анализируются процессы и ситуации, требующие большого количества времени, определяются причины таких ситуаций и предоставляются данные для их решения.
3) С точки зрения оптимизации рассматриваются слабые места процесса и проводится поиск вариантов для решения проблемы:
поиск отклонений: проводится анализ точечной диаграммы распределения категорий и конкретных примеров объектов отклонения;
вспомогательная корректировка: проводится целевой анализ количества операций, участников, фактического количества операций в процессе и ранжирования продолжительности процесса, указываются слабые звенья, представляются портреты слабых процессов. Путем наглядного сравнения с другими типами процессов выявляются проблемы процесса, что позволяет проводить постоянную оптимизацию.
с точки зрения использования процесса выделяются привычки, требующие большого количества времени, проводится их проверка, оказывается содействие в рациональном планировании, указываются наиболее трудоемкие задачи, создаются различные шаблоны процессов, и пользователям предоставляются визуальные основания для предварительного планирования.
Ценность сценария
Подход ориентирован на разные типы людей с различными требованиями к эффективности процессов, а именно на руководителей, оптимизаторов процессов и пользователей. Разработаны доски Kanban с четырех точек зрения управления компанией, подразделением, оптимизации и использования процессов. Инструмент используется для мониторинга эффективности процесса управления компанией и обеспечения поддержки данных для общего повышения эффективности работы.
После оптимизации процесса эффективность компании в 2022 году увеличилась на 6% по сравнению с 2021 годом, а избыточные процессы сократились на 23 пункта. Это помогает компании органично и эффективно расти и развиваться.
Заключение
В настоящее время гражданская авиация переживает исторический и сложный момент. Как мы упомянули в начале, эпидемия коронавирусной инфекции, риски в сфере безопасности, региональные конфликты оказывают негативное влияние на эту область. Поэтому Xiamen выбрала для себя путь эффективного использования больших данных для принятия решений.
FineBI — это мощный инструмент для анализа ценности данных и повышения их производительности. С момента внедрения FineBI в 2021 году авиакомпанией Xiamen Airlines инструмент начали использовать в области полетов и эксплуатации, маркетинге и финансах, авиационном обслуживании, HR и других подразделениях. Это побудило операционный персонал и ИТ‑специалистов нарушить устаревшие организационные и рабочие ритуалы, интегрировать инструмент и создать пространство для инноваций.
Благодаря развитию культуры обработки данных Xiamen Airlines сформировала атмосферу управления данными, а также создала экосистему совместных инноваций в цифровой индустрии «совместного строительства, обмена информацией и взаимовыгодного сотрудничества».
Xiamen Airlines продолжает фокусироваться на ценности анализа и управления данными, изучать ценность большего числа бизнес‑сценариев, а также применять на практике корпоративные приложения для обработки данных. Вступив на путь цифровой трансформации, Xiamen Airlines выступила новаторами в своей области и продолжает вносить вклад в развитие гражданской авиации.
